FAIR 원칙과 국제표준에 기반한 고품질 데이터셋 구축과 활용성 향상

키워드

확장요약문

최근 들어 기계학습과 인공지능의 비약적인 발전으로 인하여 데이터의 중요성에 대한 관심도 크게 증가하고 있다. 이 때문에 학술분야뿐 아니라 산업적으로도 다양한 데이터들이 생산되고 있으며, 이를 공유하기 위한 데이터베이스 및 관련 서비스들도 확대되고 있다. 그러나 이러한 상황에도 여전히 많은 연구자들이 필요한 데이터가 충분하지 않다고 이야기하고 있으며, 특히 충분한 정보를 가지고 있는 좋은 품질의 데이터를 찾는데 어려움을 겪고 있다.

데이터의 활용성을 극대화하기 위한 기본적인 접근 방법으로 유럽 도서관 협회(European Research Library Association)에서 제안한 FAIR (Findable, Accessible, Interoperable, Reusable)원칙이 있다. 이는 2016년 G20에서 연구분야에서 이 원칙을 적용하는 것에 합의하였으며, 많은 국제기구들이 이 원칙에 따른 체계 구축을 위한 활동을 진행하고 있다. FAIR원칙에서 ‘Findable’은 추적이 가능한 고유식별자에 관련되어 있으며, ‘Accessible’은 데이터에 접근 가능한 인프라와 권한에 관련되어 있다. 이들은 기본적으로 합의된 규약과 충분한 자원을 필요로 한다. ‘Interoperable’과 ‘Reusable’은 단순히 원시 데이터를 제공하는 것뿐만 아니라 상호 이해를 위한 충분한 정보 제공과 공통의 언어를 필요로 한다. 특히 인공지능 응용에서는 사람을 거치지 않고 기계가 직접 데이터를 다루게 되기 때문에 기계가 이해할 수 있고 오독할 위험을 제거하는 것이 중요하다.

이러한 데이터의 기계기반의 상호운용성과 관련해서 활용성을 확대하고 품질을 관리하기 위하여, 측정학 분야 및 국제 표준 분야에서 다양한 연구와 활동이 진행되고 있다. 측정학 분야에서는 기계가 측정 결과를 의미론적으로 이해하고 이를 유통하기 위한 규약들을 제시하였으며, 국제표준으로는 ISO 8000 시리즈, ISO/IEC 5259 시리즈, ISO/IEC 25012, 25024, 25059 등의 표준들이 제정되어 데이터의 품질 요건과 객관적인 평가 지표 등을 규정하고 있다.

소음진동은 이러한 데이터 활용이 매우 중요한 학문 분야이며, 모니터링과 진단과 같은 사회 안전과 관련된 응용이 증가함에 따라서, 전체적인 품질 관리 체계가 매우 중요하다. 이러한 배경에 기반하여 국제 표준에 기반한 품질 관리 방법이 적용된 소음진동 데이터 공유 플랫폼의 구축을 추진하고자 한다. 이 플랫폼에서는 국제표준에 기반하여 소음진동 데이터로써 갖추어야 할 요건과 사양을 정의하고, 공유되는 데이터들이 이러한 요건들에 대응하고 있는지에 대한 정보를 제공할수록 있도록 한다. 이를 통하여 사용자들이 목적에 맞는 데이터셋을 빠르게 선정하고 선정과정에서 겪을 수 있는 시행착오를 최소화 할 수 있을 것으로 기대한다.